大数据应用实例分析

大数据应用实例分析

ID:10820465

大小:34.50 KB

页数:4页

时间:2018-07-08

大数据应用实例分析_第1页
大数据应用实例分析_第2页
大数据应用实例分析_第3页
大数据应用实例分析_第4页
资源描述:

《大数据应用实例分析》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、电信运营商的阳关大道——大数据应用实例分析09012208黄文婷摘要:随着全球数据化、网络宽带化,基本的数据量越来越大,由此我们进入了大数据时代。本文探讨了大数据内涵与意义,从电信行业这一大数据应用实例进行分析,介绍了大数据在电信行业的应用、必要性及相关措施。关键词:大数据电信应用正文:一、大数据的内涵与意义(一)大数据的意义大数据和云计算一样,近两年来越来越多的受到人们的关注。那么什么是大数据呢?大数据(bigdata),或称巨量资料,指的是所涉及的资料量规模巨大到无法通过目前主流软件工具,在合理时间内达到撷取、管理、处

2、理、并整理成为帮助企业经营决策更积极目的的资讯。(在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中,大数据指不用随机分析法(抽样调查)这样的捷径,而采用所有数据的方法)对于“大数据”(Bigdata),研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。(二)大数据的特性大数据有4V特点:Volume(大量)、Velocity(高速)、Variety(多样)、veracity(真实性)。大数据的4个“V”,或者说特

3、点有四个层面:第一,数据体量巨大。从TB级别,跃升到PB级别;第二,数据类型繁多。包括网络日志、视频、图片、地理位置信息等等。第三,数据的来源,直接导致分析结果的准确性和真实性。若数据来源是完整的并且真实,最终的分析结果以及决定将更加准确。第四,处理速度快,1秒定律。最后这一点也是和传统的数据挖掘技术有着本质的不同。业界将其归纳为4个“V”。(三)大数据的应用意义大数据最核心的价值就是在于对于海量数据进行存储和分析。相比起现有的其他技术而言,大数据的“廉价、迅速、优化”这三方面的综合成本是最优的。此外,大数据的潮流虽然依赖

4、于信息通信技术的成熟,但它对整个世界的影响绝不仅限于技术层次。它借助信息技术的创新与发展,及数据的全面感知、收集、分析与共用,引导我们以全新的思维看待世界,养成决策思维行为须根据事实与数据的分析判断,舍去凭借经验和直觉的习惯作风。可预见,它将对惯于“差不多”的思维造成巨大的冲击。很多人一提到大数据,就会不由自主想到那个关于啤酒和尿布的经典案例。事实上,随着移动互联网、智能终端、云计算、物联网技术以及电子商务、社交媒体等应用的飞速发展,大数据已经越来越多的渗透到生活方方面面,宣告着我们已经进入了信息爆炸的大数据时代。电信运营

5、商历经语音、短信、数据三个发展浪潮,积累了大量如文本信息、音频、视频、图片等非结构化数据,在大数据时代无异于拥有了一条发展的阳关大道。而机智的电信运营商也致力于研究如何在这条道路上比别人跑得更快以获得更多的利益。二、大数据在电信行业的应用(一)电信行业大数据应用的四个方向现阶段电信运营商利用其拥有的大数据进行全面、深入、实时的分析和应用,是应对新形势下的挑战、避免运营商沦为管道化的关键。从大数据的具体应用方向来看,当前应主要集中在四个方向:流量经营精细化、智能客服中心建设、基于个性化服务的客户体验提升以及对外数据服务。1.

6、流量经营精细化在流量经营精细化上,大数据应用的价值主要体现在深入洞察客户、助力精准营销和指导网络优化三个方面。首先,基于客户终端信息、手机上网行为轨迹等丰富的数据,借助DPI(DeepPacketInspection,深度数据包检测)技术等,建立客户超级细分模型,为各细分群组客户打上互联网行为标签,可以帮助运营商完善客户的360度画像,帮助运营商深入了解客户行为偏好和需求特征;其次,根据用户行为偏好,推送合适的业务,并根据对客户特征的深入理解,建立客户与业务、资费套餐、终端类型、在用网络的精准匹配,同时也能做到在推送渠道、

7、推送时机、推送方式上满足客户的个性化需求,实现全程精准营销;再次,利用大数据技术实时采集处理网络信令数据、监控网络状况、识别价值小区和业务热点小区,更精准地指导网络优化,实现网络、应用和用户的智能指配。2.智能客服中心建设作为运营商与客户接触的第一界面,客服中心(或称客户联络中心)拥有丰富的数据资源,可以称得上是客户信息的“聚宝盆”,利用好客服中心的客户接触数据对于建设智能化客服中心意义重大。利用大数据技术可以深入分析客服热线呼入客户IVR(InteractiveVoiceResponse,互动式语音应答)行为特征、访问路

8、径、等候时长等;同时结合客户历史接触信息、基本属性等可以建立热线呼入客户的智能识别模型;基于客户智能识别模型可以在某类客户下次呼入前预先推测其呼入的需求大体是什么,IVR接入后应该走什么样的节点和处理流程。这样,就可以基于呼入客户习惯与需求的事先预测而设计按键菜单、访问路径和处理流程,合理控制人工处理量

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。